A Microsoft introduziu um novo modelo de inteligência artificial, AI, capaz de gerar vídeos hiper-realistas de rostos humanos. Chamado de VASA-1, a novidade pode gerar clipes a partir de apenas uma foto ou áudio de fala.

A promessa da empresa vídeos com movimentos labiais sincronizados, expressões faciais e movimentos da cabeça, tudo para parecerem mais naturais.

Como funciona o VASA-1 da Microsoft

• Na sua página de anúncios de pesquisa, a Microsoft detalhou como funciona o seu modelo de IA em desenvolvimento;
• A empresa afirma que o modelo VASA-1 pode gerar vídeos com resolução 512 x 512 pixels a até 40 FPS;
• O modelo de IA também suporta a geração de vídeos online com baixa latência, destaca a big tech.

Alguns exemplos de vídeos criados com o modelo de IA da Microsoft são compartilhados no X (antigo Twitter).

Além de renderizar vídeos de até um minuto em alta qualidade a partir de uma única imagem, a Microsoft também destacou a capacidade do VASA-1 de gerar movimentos labiais que correspondam ao arquivo de áudio, bem como expressões faciais.

O modelo de geração de vídeo AI, também oferece ajustes granulares ao usuário para controlar diferentes aspectos do vídeo, como direção do olhar, distância da cabeça, compensações emocionais e mais. Por enquanto, a gigante da tecnologia diz que não planeja lançar um produto alimentado pelo VASA-1.

Preocupação com segurança

A geração de vídeo hiper-realista de pessoas reais com qualquer áudio, também levanta uma questão sobre seu uso antiético, especialmente para criar deepfakes.

A empresa, contudo, destacou que não cogita divulgar o modelo de IA ao público. Assim, a ideia é apenas criar personagens virtuais interativos a partir dele “melhorando a acessibilidade para indivíduos com dificuldades de comunicação e oferecendo companhia ou apoio terapêutico aos necessitados”.